CNN-SVM在民机升降舵故障诊断中的应用

作者：段照斌; 刘颖欣^*

来源：电光与控制, 2021, 28(12): 97-115.

• 故障诊断
• 卷积神经网络
• 支持向量机
• 升降舵
• 降维可视化

针对传统的飞机舵面故障诊断效果差及泛化能力弱的问题，提出了将卷积神经网络(CNN)算法结合支持向量机(SVM)分类器搭建适于民机升降舵的故障诊断模型。该模型从原始的故障数据出发，逐层学习实现故障特征的提取及故障类型的识别，使用SVM替代softmax函数对故障进行分类。与传统的CNN网络、深度置信网络(DBN)模型进行测试结果对比，实验结果表明：所提方法对升降舵故障识别精确率最高，可达99%以上。为了能够直接观察这3种模型在特征表示上的差异性，对识别结果进行了降维可视化(T-SNE),通过可视化之后的图形可以看出，CNN-SVM模型具有显著的聚类效果。最后，数据集中加入噪声，验证了所建模型相比于其他两个模型具有良好的抗噪能力、泛化能力以及强化学习能力。

• 单位
  中国民航大学; 自动化学院